افزایش فراوانی و دامنه بحران‌های مالی، نگرانی‌ها و نیازهای سیاست‌گذاران و تصمیم‌گیران اقتصادی را درباره ثبات مالی جهانی افزایش داده است. در این شرایط پیچیده، نظارت بر سیستم مالی باید به عنوان یک وظیفه سیستمی مدنظر قرار گیرد که بر مؤسسات و روابط بین آنها تمرکز دارد و ساختار و پویایی سیستم را به عنوان یک کل نشان می‌دهد. علم شبکه به عنوان یک ابزار پیشرو در بررسی سیستم‌های پیچیده مورد استفاده قرار می‌گیرد. در اینجا، چندین کاربرد علم شبکه در امور مالی و اقتصاد مورد بررسی قرار می‌گیرند و چالش‌ها و جهت‌گیری‌های آینده بحث می‌شوند که نشان می‌دهد علم شبکه به عنوان ابزاری کلیدی برای دانشجویان مالی، صاحبان شغل و سیاست‌گذاران است.
مقدمه
علم شبکه به عنوان یک ابزار نوین برای مطالعه سیستم‌های پیچیده رشد یافته است. ترکیب نتایج نظری با تجزیه و تحلیل داده‌های بزرگ تجربی، نوع جدیدی از علم را به وجود آورده است که تحقیقات تئوری و تجربی را ترکیب می‌کند.
بسیاری از پدیده‌های غیرمنتظره در سیستم‌های واقعی شناسایی شده‌اند و ساختارهای سیستمی پیچیده‌تر مورد بررسی قرار می‌گیرند. برای مثال، ساختارهای مولکولی یا سلولی، شبکه‌های آب و هوا، شبکه‌های ارتباطی و زیرساختی، همچنین شبکه‌های اجتماعی و اقتصادی از این دسته می‌باشند. درک رشد، ساختار، پویایی و عملکرد این شبکه‌ها و روابط آنها برای پیش‌بینی تغییرات، انعطاف‌پذیری سیستم در مقابل خرابی‌ها یا محافظت در برابر حملات خارجی بسیار حائز اهمیت است. ارتباط متقابل بین ساختار (توپولوژی) و دینامیک، عملکرد و وظیفه سیستم‌های پیچیده نشان‌دهنده تمرکز بسیاری از تحقیقات در رشته‌های مختلف است که کاربردهای علمی و فناورانه مهمی دارند.
شبکه‌های پیچیده به‌عنوان چارچوبی برای توصیف رفتار شبکه‌های فیزیکی، شیمیایی، بیولوژیکی، فناوری و اجتماعی معروف هستند. علم شبکه در قرن بیست و یکم به طور قابل توجهی تکامل یافته و به یکی از رشته‌های فعال و متقاطع (cross cut) تبدیل شده است.
مثال‌های معروف شامل شبکه اینترنت و وب جهانی، شبکه‌های شیوع، استراتژی‌های امنیتی، شبکه‌های استنادی، ساختار بازارهای مالی، نفوذ اجتماعی و پویایی افکار، شبکه‌های فیزیولوژیکی، شبکه‌های پروتئینی، سازماندهی و عملکرد مغز، ساختار شبکه‌های ارتباطی سیار، شبکه‌های آب و هوا، سیستم‌های حمل و نقل و بسیاری دیگر می‌باشند. پدیده‌هایی که در این چارچوب مفهومی قرار می‌گیرند، شامل خرابی‌های آبشاری، خاموشی، سقوط، حباب‌ها، بحران‌ها، حملات و دفاع در برابر آنها ست.
نمونه‌های معروف علم شبکه شامل شبکه اینترنت و وب جهانی (WWW)، شیوع همه‌گیر، استراتژی‌های ایمن سازی، شبکه‌های استنادی، ساختار بازارهای مالی، نفوذ اجتماعی و پویایی افکار، پویایی شبکه‌های فیزیولوژیکی، شبکه‌های پروتئینی، سازماندهی و عملکرد مغز، ساختار شبکه‌های ارتباطات سیار، شبکه‌های آب و هوا، سیستم‌های حمل و نقل و بسیاری موارد دیگر است. در این زمینه، پدیده‌هایی مانند خرابی‌های آبشاری، خاموشی، سقوط، حباب‌ها، بحران‌ها، حملات و دفاع در برابر آنها، معرفی فناوری‌های جدید، درک اندازه‌گیری و پیش‌بینی ظهور و تکامل شبکه‌ها مورد بررسی قرار می‌گیرند. ویژگی‌های تلطیف شده، گسترش پدیده‌ها و استراتژی‌های ایمن سازی، و همچنین ثبات و شکنندگی شبکه‌های خطوط هوایی نیز مطالعه می‌شوند.
تحقیقات انجام شده در گذشته و در حال حاضر نشان می‌دهد که در سیستم‌های واقعی، بازخورد قوی بین حالت‌های کوچک و کلان سیستم وجود دارد. به عبارت دیگر، تأثیر میکروسکوپی گره‌ها و پیوندهای شبکه و تأثیر ماکروسکوپی خود شبکه در توپولوژی، دینامیک و عملکرد آن قابل مشاهده است. بنابراین، علم شبکه یک چارچوب پیشرو برای بررسی سیستم‌های زندگی واقعی است. به عنوان مثال، در مقابل سیستم‌های فیزیکی که پویایی آنها معمولاً از سطح کوچک به سطح بزرگ است، در سیستم‌های اجتماعی و اقتصادی تعاملاتی بازخوردی بین سطوح بزرگ و کوچک وجود دارد. در نتیجه، علاوه بر مکانیسم‌های انتشار از پایین به بالا، افراد و وابستگی‌های آنها و رفتارهایشان رفتار مشارکتی سیستم را شکل می‌دهند که در نهایت بر افراد تأثیر می‌گذارد. این پدیده نشان می‌دهد که بازخورد پایین به بالا و بالا به پایین قادر به تغییر کامل ویژگی‌های یک انتقال فاز از حالت پیوسته به ناپیوسته است و در نتیجه می‌تواند شدت بحران‌های اقتصادی در سیستم‌ها را توضیح دهد. (منبع: کوهن و هاولین، 2010)
بررسی ادبیات شبکه مالی
تئوری شبکه یک ابزار است که برای مدل‌سازی ساختار عملکردی در حوزه‌های مختلف مورد علاقه و درک دقیق‌تر از عملکرد شبکه روابط بین بازیگران سیستم، پویایی آن و دامنه یا درجه نفوذ فراهم می‌کند. این رویکرد امکان اندازه‌گیری کیفیت‌های سیستمی مانند استحکام سیستم در سناریوهای خاص یا تأثیر سیاست‌ها بر اقدامات سیستم را فراهم می‌کند. یکی از مزایای این رویکرد این است که به جای فرض کردن رفتار عوامل سیستم، از روابط واقعی بین آنها نشات می‌گیرد. به عبارت دیگر، ساختارهایی که توسط نظریه شبکه به دست می‌آیند، نیروهای نظری یا تعیین‌کننده‌های مصنوعی نیستند که توسط پژوهشگر ایجاد شده‌اند. به جای آن، مدل‌سازی توسط نظریه شبکه می‌تواند فرضیات رفتاری نظریه‌های اقتصادی را تأیید کند. در زمینه مالی، نظریه شبکه می‌تواند برای بررسی مسائل مختلفی جالب باشد، مانند توصیف ساختار سیستم، تحلیل تأثیر نفوذ و گسترش در ساختار، بررسی تأثیر ورشکستگی یک یا گروهی از بازیگران در سیستم، ارزیابی مشکلات نقدینگی و تحلیل تأثیر آنها در نقاط مختلف سیستم. در کل، نظریه شبکه نه تنها به ما نگرشی جدید ارائه می‌دهد، بلکه ابزارهایی را نیز فراهم می‌کند که امکان مقایسه و مقابله ساختارهای سیستمی را به صورت استاتیک و با طراحی سناریوهای پویا مختلف فراهم می‌کند.
به عنوان یک مثال از یک شبکه پیچیده، سیستم پرداخت را می‌توان در نظر گرفت. برای مطالعه این ساختار، از چارچوب‌های تحلیلی متنوعی استفاده می‌شود. این چارچوب‌ها شامل شناسایی نوع و ویژگی‌های شبکه، تجزیه و تحلیل تأثیر شوک‌های شبیه‌سازی شده برای کاهش ریسک‌های مرتبط با عملکرد سیستم و سیاست‌های طراحی می‌شوند.
به عنوان مثال، تحقیقات اخیر توسطAguiar و همکاران (2014) سیستم پرداخت را به عنوان یک شبکه مورد بررسی قرار دادند. این پژوهشگران با توجه به ساختار شبکه، توانستند ساختار سیستم را کشف کنند و به طراحی سناریوها و تجسم جلوه‌های خاص در سیستم پرداخت بپردازند.
همچنین، تحقیقات انجام شده توسطInaoka و همکاران (2004)، Suramaeki و همکاران(2007)، Cepeda (2008)، و Galbiati و Sorama¨ki (2012) نیز به بررسی سیستم پرداخت بین بانکی با استفاده از علم شبکه پرداخته‌اند. در این مطالعات، سازماندهی سیستم به عنوان یک شبکه امکان فهم ساختار سیستم را فراهم کرده و اجازه می‌دهد تا سناریوها و جلوه‌های خاصی را در طراحی سیستم مدل‌سازی کرد.
در تحقیقات مرتبط با بازار شبه پول ، Eurek و همکاران (2008) نیز شبکه‌هایی را با تعاملات روزانه بدهی و وام بررسی کردند. هدف از این تحقیقات، ارزیابی تحول توپولوژیکی سیستم ایتالیایی و تأثیر آن بر پایداری سیستم و عملکرد بازار بین بانکی بود.
به طور کلی، با توجه به استفاده از چارچوب‌های تحلیلی مبتنی بر علم شبکه، می‌توان ساختار و ویژگی‌های سیستم پرداخت یا سایر شبکه‌های پیچیده را بررسی کرده و امکان طراحی سناریوها و تحلیل اثرات مختلف را فراهم نمود.
با توجه به شبکه بین بانکی(Hu¨ser 2015)، دو کانال اصلی سرایت ریسک در سیستم بانکی در نظر گرفته شده است. این کانال‌ها عبارتند از:
در مورد شبکه‌های بانکی و شبکه‌های دیگر مشابه، تحقیقات گسترده‌ای انجام شده است. برای مثال، برای شبکه بانکداری جهانی، تحقیقاتی با استفاده از اطلاعات وام‌های دوجانبه از کشورها و جریان‌های سرمایه‌گذاری مستقیم بررسی شده است. این تحقیقات نشان می‌دهند که اقتصادهای پیشرفته نقش اصلی در بازار بانکداری جهانی را ایفا می‌کنند و بیشترین جریان را دارند، در حالی که کشورهای در حال توسعه و نوظهور جریان کمتری دارند. توپولوژی شبکه بانکداری نیز تحت تأثیر شوک‌ها تغییر می‌کند و در دوره‌های بحرانی از پایداری آن کاسته می‌شود.
اخیراً، هوانگ و همکاران (2013) یک مدل شبکه دو بخشی برای بررسی داده‌های ترازنامه بانکی ارائه کرده‌اند. این مدل شبکه بانک-دارایی به ما امکان می‌دهد تأثیر هر دارایی یا گروهی از دارایی‌ها را بر سیستم مالی کلی بررسی کنیم. این مدل اطلاعات مهمی ارائه می‌دهد که می‌تواند تعیین کند که کدام بانک‌ها در برابر شکست آسیب‌پذیر هستند و همچنین پیشنهادهای سیاستی را مطرح می‌کند. به عنوان مثال، نیاز به کاهش اجباری قرار گرفتن در معرض دارایی‌هایی که شوک می‌بینند یا نظارت دقیق‌تر بر بانک‌ها به منظور جلوگیری از چنین شکستی. این مدل نشان می‌دهد که انتقال‌های شدید می‌توانند در سیستم بانک-دارایی جفت‌شده رخ دهند و این شبکه می‌تواند بین دو منطقه متمایز، یعنی پایدار و ناپایدار، جابجا شود. به عبارت دیگر، سیستم بانکی می‌تواند در حالتی که سالم و پایدار است، باقی بماند یا سقوط کند.
از آنجا که حفظ پایداری سیستم اقتصادی جهانی بسیار حائز اهمیت است، پیشنهاد می‌شود که این مدل برای انتشار ریسک سیستمی در سایر سیستم‌های مالی پیچیده نیز استفاده شود. به عنوان مثال، می‌توان از این مدل برای مدل‌سازی تأثیر کاهش ارزش بدهی دولتی بر بانکداری جهانی استفاده کرد یا نحوه تأثیر کاهش یا افزایش ارزش برخی ارزها بر اقتصاد جهانی را مورد بررسی قرار داد.
در نهایت، بحث در مورد استفاده از شبکه‌های مبتنی بر همبستگی در امور مالی نیز بسیار مهم است. این روش بر اساس تحلیل سری‌های زمانی مالی و تخمین ماتریس همبستگی (یا کوواریانس) برای ساختاردهی شبکه استفاده می‌شود. این روش به ما امکان می‌دهد اطلاعات مهمی در مورد سیستم‌های مالی را به دست آوریم و ساختار و پویایی زیربنایی آنها را بشناسیم. استفاده از شبکه‌های مبتنی بر همبستگی می‌تواند روابط سبب-نتیجه و روابط علّی را شناسایی کند و برای مثال، بتواند تأخیرها را پیش بینی کند. استفاده از این روش در مورد شناسایی ریسک و آسیب‌پذیری سیستم‌های مالی نیز پیشنهاد شده است.
3 چالش ها و مسیرهای آینده
علیرغم موفقیت بزرگ خود در بررسی بسیاری از سیستم‌های اجتماعی، فناوری و طبیعی دنیای واقعی، علم شبکه نرخ پذیرش پایین‌تری در اقتصاد و امور مالی داشته است. در حالی که برخی از محققان در جامعه به سودمندی آن در درک پیچیدگی اقتصاد پی برده‌اند، در میان بسیاری دیگر، شکی در مورد کاربرد علم شبکه در چنین رشته‌ای وجود دارد. در این بخش به موضوعات کلیدی ناشی از چنین انتقاداتی می پردازیم که تحولات آینده در علم شبکه باید به آنها بپردازد تا مفید بودن آن به عنوان یک چارچوب نظری، تحلیلی و کاربردی برای این حوزه ها تقویت شود.
3.1 حافظه جریان در شبکه ها
یک موضوع مهم در امور مالی، اعتبار منبع دارایی قابل انتقال است. از آنجایی که یک دارایی یا مقدار مالی معین، منتقل می شود و در امتداد پیوندهای شبکه جریان می یابد، ارزش آن بسته به گره هایی که از آن عبور می کنند می تواند تغییر کند. مهمتر از آن، برخی از دارایی‌های مالی، مانند وثیقه، می‌توانند در شبکه جریان داشته باشند و سپس مجبور شوند همان مسیر را به سمت منبع اصلی خود طی کنند. چنین فرآیندهای دینامیکی در شبکه‌ها در حال حاضر وجود ندارند، و باید به منظور ارائه درک پویایی جریان در شبکه مورد توجه قرار گیرند. به عنوان مثال، با توجه به جریان وثیقه، که می تواند دوباره استفاده شود و از یک گره به گره دیگر منتقل شود، چگونه می توان مدل کرد که وقتی گره اصلی (موجودی) آن را پس بگیرد چه اتفاقی می افتد؟ جریان معکوس وثیقه که می تواند به عنوان باز شدن یک زنجیره روزانه در نظر گرفته شود، چگونه بر گره هایی که از آن عبور می کند تأثیر خواهد داشت؟ پاسخ به این گونه سوالات به منظور ترسیم و مدل سازی جریان های عملیاتی در سیستم مالی بسیار حائز اهمیت است. برای پاسخ به چنین سؤالاتی، باید مدل‌های جدیدی از دینامیک جریان در شبکه‌ها ایجاد شود. علاوه بر این، مدل‌های موجود خرابی‌های آبشاری در شبکه‌ها باید به گونه‌ای تطبیق داده شوند که حافظه اشته باشد زیرا این مسئله بر انتشار و گسترش آسیب در سراسر شبکه تأثیر می‌گذارد.
3.2 تابع و تبدیل
در حالی که بیشتر مطالعاتی که از علم شبکه برای بررسی ویژگی‌های سیستم مالی استفاده می‌کنند، به گره‌های منفرد (مانند بانک‌ها، شرکت‌ها، کشورها) به‌عنوان یک جعبه بسته نگاه می‌کنند، در واقعیت، این گره‌ها یک یا چند عمل یا تبدیل را بر روی ارزش انجام می‌دهند. (وجوه، وثیقه، دارایی، بدهی و غیره). کار اخیر آگویار و همکاران. (2014) اولین چارچوب روش شناختی را ارائه کرده است که به این موضوع می پردازد و به عنوان طرحی برای کار آینده عمل می کند. نویسندگان نقشه ای از جریان تامین مالی در سیستم مالی ارائه می دهند و به جای اینکه بانک ها را به عنوان یک نهاد واحد نگاه کنند، آنها را به عنوان مجموعه ای از واحدهای فرعی در نظر می گیرند که نقش های متفاوتی را در شبکه ایفا می کنند. واحدهای مالی بسته به نوع فعالیتی که در آن دخیل هستند، عملکردهای متفاوتی دارند، از تک تا چندگانه. یک توصیف و بررسی کامل و واقعی از سیستم مالی با استفاده از علم شبکه تهیه کنید (برای مثال به Bookstaberو همکاران 2015 مراجعه کنید). به عنوان مثال، ویژگی عملکرد گره و تبدیل باید در تحقیقات فعلی در مورد فرآیندهای آبشاری دینامیکی در شبکه ها گنجانده شود تا آنها را واقعی تر و در مورد اقتصاد و مالی کاربردی تر کند.
3.3 تکامل زمان
برای درک عملکردهای شبکه، باید خصوصیات دینامیکی آن را مطالعه کرد (Arenas et al. 2008)، و در این راستا کار زیادی لازم است. دینامیک پیوندها و گره ها می تواند خصوصیات شبکه ها را به طور کامل تغییر دهد و بنابراین، سؤالات اساسی که به طور گسترده در شبکه های استاتیک مورد مطالعه قرار گرفته اند، هنوز برای شبکه های دینامیکی باز هستند با مطالعه خصوصیات دینامیکی شبکه، می توان عملکرد زیربنایی آن را کشف کرد. کاملاً منطقی است که ادعا کنیم ارتباط قوی بین پویایی و عملکرد در یک شبکه مشخص وجود دارد. بنابراین، برای درک بهتر عملکرد شبکه، مطالعه چگونگی تکامل ساختارهای شبکه در زمان بسیار مهم است. ابزارهای جدید برای درک رابطه بین پویایی شبکه و توپولوژی و عملکرد آن ضروری است. به طور خاص، زمانی که سیستم در یک وضعیت بحرانی قرار دارد (یعنی در لبه فروپاشی، مانند بحران مالی)، افزودن یا حذف حتی چند دقیقه لینک می تواند سیستم را به مراحل مختلف سوق دهد. مشاهدات اولیه نشان داده است که مشکل اتصال زمانی در یک شبکه را می توان مستقیماً بر روی یک مسئله نفوذ جهت دار ترسیم کرد، جایی که جهت نشان دهنده زمان است (پارشانی و همکاران 2010b). بنابراین، دانش نفوذ مستقیم می تواند برای درک شبکه های دینامیکی و بالعکس مورد استفاده قرار گیرد. از آنجایی که نفوذ به اپیدمی‌ها و ایمن‌سازی مربوط به حذف گره‌ها است، رویکردهای نفوذی برای مطالعه سیستم‌های دینامیکی توسعه خواهند یافت. با توجه به ماهیت بسیار سازگار بازارهای مالی و سرعت تغییر در سیستم های اقتصادی و مالی، این موضوع مهمی است که علم شبکه باید به آن بپردازد تا بتواند به طور کامل ویژگی های دینامیکی چنین سیستم هایی را به تصویر بکشد.
3.4 شبکه های مالی وابسته به یکدیگر
مورد یک شبکه منفرد که جدا شده باشد و با سیستم‌های دیگر تعامل نداشته باشد یا به آنها وابسته نباشد، به ندرت اتفاق می‌افتد، درست مانند ذرات غیر متقابل در فیزیک آماری. در واقع، اکثر سیستم های شبکه به طور مداوم با شبکه های دیگر تعامل دارند، به ویژه از آنجایی که فناوری مدرن وابستگی بین شبکه ها را افزایش داده است. تنها مطالعات کمی و مقدماتی اخیراً برای مواجهه با سؤالات مرتبط با چنین سیستم‌هایی تلاش کرده‌اند، اما عمدتاً کیفی بوده و بر روی نمونه‌های خاص متمرکز شده‌اند. درک اتصالات متقابل شبکه ها و تأثیر آنها بر رفتار ساختاری و عملکردی سیستم جفت شده برای مدل سازی مناسب بسیاری از سیستم های دنیای واقعی بسیار مهم است. معرفی جفت بین شبکه‌ها مشابه معرفی برهمکنش‌های بین ذرات در فیزیک آماری است که منجر به رفتار مشارکتی جدید با پدیده‌های غنی مانند انتقال فاز شد. مدل های ریاضی (Buldyrev et al. 2010; Parshani et al. 2010a; Gao et al. 2012) نشان می دهد که تحلیل سیستم های پیچیده به عنوان شبکه ای از شبکه ها ممکن است اساسی ترین مفروضاتی را که نظریه شبکه برای شبکه های منفرد بر آن تکیه کرده است، تغییر دهد. در حالی که پیشرفت قابل توجهی در زمینه شبکه های وابسته به هم (کنت و همکاران 2014) و شبکه های چند لایه (بوکالتی و همکاران 2014) در حال انجام است، هنوز کاربردهای بسیار کمی از این چارچوب ها در اقتصاد یا امور مالی وجود دارد. یکی از نمونه های اخیر کار بارگیگلی و همکاران است. (2015)، که یک پایگاه داده منحصربفرد از گزارش‌های نظارتی بانک‌های ایتالیایی به بانک ایتالیا را بررسی کرد که شامل تمام قرارهای دوجانبه تفکیک شده بر اساس سررسید و ماهیت تضمین شده و بدون تضمین قرارداد است. با بررسی این پایگاه داده به عنوان یک شبکه چندلایه اعتباری، نویسندگان دریافتند که لایه ها دارای خواص توپولوژیکی و ماندگاری متفاوت در طول زمان هستند. در حالی که این یک گام مهم رو به جلو در توصیف سیستم مالی به عنوان یک شبکه چند لایه وابسته به هم است، نویسندگان تعاملات بین لایه‌های مختلف را در نظر نگرفتند و تنها به مقایسه آنها پرداختند. مراحل آتی مستلزم نقشه برداری از لایه های مختلف سیستم مالی و بررسی ارتباطات متقابل و وابستگی های متقابل بین آنها خواهد بود (Bookstaber and Kenett 2015). علاوه بر این، چارچوب شبکه چند لایه می تواند برای توسعه روش های جدید برای بررسی پویایی شبکه ها مورد استفاده قرار گیرد (بوکالتی و همکاران 2014)، بنابراین بینش جدیدی در مورد چالش های مورد بحث در بخش قبل ارائه می دهد.
3.5 شبکه ها و مدل های مبتنی بر عامل
شبکه های مالی از تعامل نهادهای مالی مختلف (تجار منفرد، بانک ها، شرکت های مالی، ابزارهای مالی، کشورها و غیره) شکل می گیرند. به این ترتیب، درک ویژگی های شبکه اطلاعات مهمی در مورد روابط و تعاملات ارائه می دهد، اما نه قوانین تصمیم گیری اساسی. این می تواند
توسط مدل‌های مبتنی بر عامل (ABM) حل و فصل شود (Tesfatsion 2002، 2003؛ LeBaron 2006؛ Amman et al. 2006). به عنوان مثال، هنگامی که سیستم پرداخت می تواند به عنوان یک شبکه ترسیم شود، مانند نقشه تامین مالی اخیراً معرفی شده (Aguiar et al. 2014)، سپس ساختار شبکه می تواند به عنوان ورودی برای مدل هایی استفاده شود که پویایی سیستم را شبیه سازی می کنند. Bookstaberو همکاران 2014). ترکیب چارچوب‌های علم شبکه و ABMمنجر به چارچوبی می‌شود که ویژگی‌های خرد (قوانین تصمیم‌گیری، از طریق ABM) و کلان (روابط و تعاملات، از طریق تجزیه و تحلیل شبکه) را از سیستم مالی زیربنایی در بر می‌گیرد. همانطور که سیستم در سیلیکون تکامل می یابد و عوامل به روز می شوند و با یکدیگر تعامل ایجاد می کنند، شبکه حاصل از تعاملات تکامل می یابد. بنابراین، کار آینده باید ABM موجود را گسترش دهد، مانند آنچه که توسط Bookstaberو همکاران پیشنهاد شده است. (2014) با لایه ای از تحلیل شبکه.
3.6 توپولوژی های معیار شبکه های مالی
یک عنصر کلیدی شبکه ها تعامل بین توپولوژی و عملکرد است. توپولوژی‌های شبکه معیار عبارتند از Erd}os و Re´nyi (1959)، بدون مقیاس (Albert and Barabasi 2002؛ Barabasi et al. 2014)، هسته پیرامونی (Borgatti and Everett 2000)، مدولار (Shai et al. 2014) و شبکه های کاملاً متصل (بوکالتی و همکاران 2006). کار اخیر نشان داده است که سیستم های مالی مانند شبکه بین بانکی دارای توپولوژی هسته پیرامونی هستند (Fricke and Lux 2015; Boss et al. 2004; Hu¨ser 2015). با این حال، تحقیقات بیشتری برای شناسایی توپولوژی های معیار شبکه های مالی مورد نیاز است. شناسایی چنین توپولوژی‌های معیار ابزار جدیدی را برای شناسایی خطرات و آسیب‌پذیری‌های سیستمی، با نظارت بر نحوه واگرایی یا همگرایی شبکه مالی داده‌شده به عذرخواهی معیار معین ارائه می‌کند. علاوه بر این، برای توصیف کامل این توپولوژی‌ها، و مرتبط ساختن آنها با شبکه‌های مالی مختلف (شبکه‌های بین بانکی، شبکه‌های CDS، شبکه‌های همبستگی سهام، شبکه‌های ورودی-خروجی، و غیره) به کار بیشتری نیاز است.
4 خلاصه
هالدن (2009)، مدیر اجرایی ثبات مالی در بانک انگلستان، به این شهرت دارد که گفته است شبکه‌های مالی بسیار به هم پیوسته ممکن است قوی و در عین حال شکننده باشند، به این معنا که در محدوده خاصی، اتصالات به عنوان ضربه‌گیر عمل می‌کنند [و ] اتصال استحکام ایجاد می کند. با این حال، فراتر از یک محدوده مشخص، اتصالات متقابل به عنوان مکانیزمی برای انتشار شوک‌ها عمل می‌کنند، سیستم به سمت اشتباه لبه چاقو می‌چرخد، و شکنندگی غالب است (Acemoglu et al. 2013c). این اصطلاح بیانگر درک مفید بودن علم شبکه در توصیف و نظارت بر سیستم های اقتصادی و مالی است. با این حال، برای حل کامل این انقباض و درک اساس این تعادل و چگونگی دستیابی به آن، نیاز به تداوم، گسترش و پیشبرد نقش علم شبکه در اقتصاد و امور مالی است. پرداختن به چالش‌های برجسته‌شده در این نوشته به بینش‌های جدیدی در مورد ساختار، پویایی، و عملکرد سیستم‌های اقتصادی و مالی منجر می‌شود، بینش‌هایی که برای دانشگاهیان، شاغلان، و سیاست‌گذاران و تصمیم‌گیران حیاتی هستند.
